Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/25280
Registo completo
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.author | Chaile, V. | - |
dc.contributor.author | Moro, S. | - |
dc.contributor.author | Carneiro, A. | - |
dc.contributor.author | Ramos, R. F. | - |
dc.date.accessioned | 2022-05-06T14:14:02Z | - |
dc.date.available | 2022-05-06T14:14:02Z | - |
dc.date.issued | 2021 | - |
dc.identifier.issn | 1646-9895 | - |
dc.identifier.uri | http://hdl.handle.net/10071/25280 | - |
dc.description.abstract | A aplicação de métodos automáticos para classificação de texto não estruturadas são extremamente valiosas para a indústria de Oil&Gas. A perfuração é uma operação que acarreta custos elevados que são proporcionais à duração das atividades. A classificação das diversas operações durante a perfuração é muito importante para gerar premissas de duração para o projeto de novos poços. Para este artigo, dois procedimentos independentes foram realizados para identificar o melhor modelo de NPT (Non-Productive Time) e PT (Productive Time ). As conclusões apontam o modelo Multi-layer Perceptron (MLP) como o melhor modelo. O sistema de classificação pode ser utilizado para produzir um relatório preciso e detalhado sobre as atividades realizadas durante a perfuração de um poço. Através desse trabalho é possível concluir que os relatórios diários de perfuração atualmente disponíveis representam uma fonte rica de informação e podem ser utilizados para melhorar o processo de construção de poços de petróleo. | por |
dc.language.iso | por | - |
dc.publisher | Associação Ibérica de Sistemas e Tecnologias de Informação | - |
dc.relation | info:eu-repo/grantAgreement/FCT/6817 - DCRRNI ID/UIDB%2F04466%2F2020/PT | - |
dc.rights | openAccess | - |
dc.subject | Redes neuronais artificiais | por |
dc.subject | Inteligência artificial | por |
dc.subject | Classificação | por |
dc.subject | Aprendizagem de máquina | por |
dc.subject | Perfuração | por |
dc.subject | Completação | por |
dc.title | Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção | por |
dc.title.alternative | Application of Artificial Neural Networks for Classification of Drilling Operations: The deepwater wells case of exploration and production | en |
dc.type | article | - |
dc.pagination | 5 - 20 | - |
dc.peerreviewed | yes | - |
dc.journal | RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação | - |
dc.number | 43 | - |
degois.publication.firstPage | 5 | - |
degois.publication.lastPage | 20 | - |
degois.publication.issue | 43 | - |
degois.publication.title | Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção | por |
dc.date.updated | 2022-05-06T15:13:14Z | - |
dc.description.version | info:eu-repo/semantics/publishedVersion | - |
dc.identifier.doi | 10.17013/risti.43.5-20 | - |
dc.subject.fos | Domínio/Área Científica::Ciências Naturais::Ciências da Computação e da Informação | por |
dc.subject.fos | Domínio/Área Científica::Ciências Naturais::Ciências da Terra e do Ambiente | por |
iscte.subject.ods | Indústria, inovação e infraestruturas | por |
iscte.identifier.ciencia | https://ciencia.iscte-iul.pt/id/ci-pub-84694 | - |
iscte.alternateIdentifiers.scopus | 2-s2.0-85124361989 | - |
Aparece nas coleções: | ISTAR-RI - Artigos em revistas científicas internacionais com arbitragem científica |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
article_84694.pdf | Versão Editora | 586,53 kB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.